Bachelor Graduation Project in ECNU SEI
本项目探索通过语言模型与音频生成模型的联动，实现餐馆特定场景下的背景音乐自动生成。项目内容涵盖数据抓取、清洗处理、prompt构建、实验流程、模型部署等多个模块。
实验环境： 本研究在Google Colab 云端平台进行实验，其中免费版GPU在亚太地区的配置为： 机器类型：n1-standard-4（4 个vCPU和15 GB内存） 加速器：1个NVIDIA_TESLA_T4加速器 数据磁盘：100 GB pd-standard
| 文件名 | 功能说明 |
|---|---|
getdata.py |
用于抓取 Spotify 上的音乐数据，包括歌手、描述和类型（genre）等信息。 |
qwen_MusicgenSmall_gradio_1.py |
通过部署 MusicGen-small 与 Qwen 模型生成音乐。 |
qwen_MusicgenMedium_gradio_2.py |
Qwen + 使用 Hugging Face API 远程调用 MusicGen-medium 模型，生成音乐片段。 |
experiments.ipynb |
实验流程，包括prompt构建、模型调用、评估等步骤。 |
| 文件名 | 数据说明 |
|---|---|
data1_有genre.csv / data2_480+_有genre去除无genre.csv |
初始抓取的数据，包含基础元数据与 genre 标签。 |
data2_筛选.csv |
筛选掉缺失 genre 和描述的样本 |
data3_加入音乐描述和场景描述.xlsx |
在已有数据中补充音乐描述和场景描述 |
data3_z_add.csv |
增加中文平台搜索的结果 |
data4_ending_please_去除冗余信息_清洗.csv |
清洗后可用于生成 prompt 的最终数据版本 |
data4_ending_please.jsonl |
包含 205 条记录的主数据集（带音乐描述与场景）。 |
data4_ending_please_train.jsonl / data4_ending_please_test.jsonl |
训练集与测试集划分。 |
sampled_85.jsonl |
包含 85 条记录的数据集 |
sampled_train.jsonl / sampled_test.jsonl |
训练集与测试集划分。 |
clean.py：清洗数据
实验数据.docx：记录实验结果